使用说明
MCP项目：利用MCP服务器增强AI上下文窗口
本项目演示了如何实现 MCP（模型上下文协议） Python中的服务器使用工具、提示和资源来丰富GitHub Copilot Labs等AI代理的上下文窗口。
🧠 这是什么？
一个功能齐全的MCP后端：
- ✅ 暴露 工具 （API实时函数）
- ✅ 供应 资源 （类似结构化内存的用户配置文件）
- ✅ 提供 鼓励 （用于塑造代理行为的模板）
设计用于直接与 GitHub Copilot实验室 或 任何兼容MCP的客户端.
你必须知道的
此图是MCP架构的简化版本。
🔁 工作流概述
- 在中定义您的工具、提示和资源
server.py. - 启动MCP服务器。
- 使用Copilot Labs启动VSCode，并使用连接到您的服务器
mcp.json. - 使用聊天代理中的工具/资源/提示。
🛠️ 工具
工具是可以从代理内部调用的动态API。
📦 资源
资源提供了类似上下文的配置文件、文档、知识片段。
✨ 鼓励
提示是代理用来调节其行为的模板。
🚀 设置和运行
1.克隆并安装依赖项
git clone https://github.com/YOUR_USERNAME/MCP_Project.git
cd MCP_Project
python3 -m venv venv_fahmi
source venv_fahmi/bin/activate
pip install mcp textblob requests
python -m textblob.download_corpora
2.运行MCP服务器
python server.py
您应该看到这样的消息：
MCP server is running at http://127.0.0.1:6274
🧪 在GitHub Copilot（VSCode）中进行测试
1.安装 Copilot实验室扩展
2.在VSCode中添加MCP配置
创建 .vscode/mcp.json 内容如下：
{
"servers": {
"my-mcp-server": {
"type": "stdio",
"command": "python3",
"args": [
"/Users/your_username/Desktop/MCP_Workspace/MCP_Project/server.py"
]
}
}
}
✅ 确保路径正确
server.py.
3.启动MCP服务器
从终端：
source venv_fahmi/bin/activate
python server.py
您应该看到确认服务器处于活动状态的日志。
🧠 示例用例
-
问代理人： “使用
sentiment_analysis_api该工具用于检查文本“我对编码很兴奋”是否为阳性。” -
或者测试工作板获取： “使用
access_job_board_api获得最新的工作。”
📁 项目结构
MCP_Workspace/
├── MCP_Project/
│ ├── image/
│ │ ├── example-tool.png
│ │ ├── example-resource.png
│ │ └── example-prompt.png
│ ├── server.py
├── .vscode/
│ └── mcp.json
├── venv_fahmi/
└── README.md
